Aplicação de redes neurais artificiais e de quimiometria na modelagem do processo de craqueamento catalitico fluido / Application of artificial neural networks and chemometrics in the modeling of fluid catalytic cracking process

AUTOR(ES)
DATA DE PUBLICAÇÃO

2005

RESUMO

O craqueamento catalítico fluido (FCC) é um dos mais importantes processos de refino da atualidade que produz, dentre outros produtos, gasolina e GLP. Trata-se de um processo que apresenta grande dificuldade de ser modelado fenomenologicamente. Dentro desse contexto surgem as redes neurais artificiais (RNA) como ferramenta de modelagem, visto que as RNA são capazes de aprender o que ocorre no processo por meio de um conjunto limitado de dados e apresentam um menor tempo de processamento se comparado aos modelos fenomenológicos. O objetivo principal deste trabalho é desenvolver modelos empíricos, baseados em RNA e na quimiometria, capazes de relacionar as variáveis de entrada com as variáveis de saída do processo de craqueamento catalítico fluido (planta piloto e unidade industrial). Os dados experimentais foram obtidos na unidade piloto de FCC da Petrobrás localizada na usina de xisto em São Mateus do Sul -PR e os dados industriais foram obtidos da unidade de RLAM localizada em São Francisco do Conde - BA. Para uma boa performance das redes foi utilizada a técnica de análise dos componentes principais (PCA) para um pré-processamento dos dados e em seguida foram usadas redes MLP com os seguintes algoritmos de treinamento supervisionado: Método de Broyden-Fletcher-Goldfarb-Shanno (BFGS), Método do Gradiente Conjugado Escalonado (SCG) e Levenberg-Marquardt (LM)... Observação: O resumo, na íntegra, poderá ser visualizado no texto completo da tese digital.

ASSUNTO(S)

computer simulation artificial neural networks modelagem de dados data modelling redes neurais (computação) craqueamento catalitico otimização matematica mathematical optmization catalytic cracking simulação (computadores)

ACESSO AO ARTIGO

Documentos Relacionados